Wasserstein loss with gradient penalty

新的GAN架构SuRGe增强图像超分辨率

研究人员开发了Super-Resolution Generator (SuRGe)，这是一种新颖的生成对抗网络（GAN）架构，旨在提高图像质量。SuRGe使用可学习的权重结合不同网络深度的特征，并结合Jensen-Shannon和Gromov-Wasserstein损失来提高生成器利用信息的能力。判别器使用带梯度惩罚的Wasserstein损失进行训练，以防止模式崩溃，与现有最先进的方法相比，从而提高了性能并降低了推理时间。